教育领域研究者应密切关注人工智能关键技术的发展，并以此为基础，切实推进人工智能在教育领域的研究与发展^[8]。随着人工智能和虚拟现实科学技术的发展，海洋教育工程领域的复杂系统问题也越来越突出，面向复杂系统建模提出了更高的挑战。人工智能下海洋教育服务平台应用场景利用人工智能相关理论、技术和方法，以海洋科普教育作为切入点，围绕中国南沙群岛海洋科普知识点，通过对海洋科学、海洋历史和海洋人文等原始数据进行多维空间整合和重构，建立数字化科普资源库系统，实现智能化、虚拟化和互动性海洋教育，促进海洋文化传播，维护国家海洋权益，具有重要的现实意义。

人工智能下的海洋教育服务平台采用智能混合建模方法与技术，先通过机理分析确定出海洋模型类和模型结构，然后再利用系统辨识方法辨识出海洋教育服务系统模型的维数、阶次和参数，海洋科学实验与系统辨识相互结合、相互补充、相互支持和相互协调，产生良好的叠加效果，进一步提高海洋教育沉浸式服务平台建模的精度、质量和效率。

人工智能下海洋教育服务平台模型结构如图2-22 所示，在海洋教育实验环境的基础上，构建平台感知模块、系统信息处理模块、自适应模块、平台知识库、通信模块、平台进程表、决策与智能控制模块和执行与输出模块等功能。

图2-22　人工智能下海洋教育服务平台模型结构

(一)学习者情感计算及建模

在大规模的情感事件和复杂的情感识别应用中，如何提高识别精度、计算效率和用户体验质量，成为首先要解决的问题。海洋教育服务平台学习者情感多维数据集如图2-23 所示，界定三个学习情感维度，分别包括学习情感驱动因素(由学习回报或惩罚所产生)、期待差别(由学习预期回报和收到的回报比较而产生)和惊讶(学习预期值相对于实际值的评估)等，每一个学习情感数据规格化到一个间隔[0，1]，然后得出一个学习情感多维数据集，每个数据通过量化标注在相应情感轴上。

图2-23　海洋教育服务平台学习者情感多维数据集

海洋教育服务平台学习者情感模型映射设计如表2-1 所示，给出学习相关情感映像和情感划分区域，学习情感计算数值根据设计模型设置映射到海洋教育服务平台学习者情感多维数据集，而学习情感计算的最终数值，由学习者情感数据轴所量化的三个数据部件强度叠加而成。

表2-1　海洋教育服务平台学习者情感模型映射设计(www.daowen.com)

海洋教育服务平台学习者情感计算先设定学习预测值Xt－1、学习感知的值Yt 和情感计算权重。当情感控制器获得新计算值时，学习速率根据学习感知强度而设置。所描写的学习情感干预要素的结构方程见式(1)，将α 定义为实际收到的学习情感驱动因素，β 定义为期待的学习情感驱动因素，实际收到的学习情感驱动因素与期待的学习情感驱动因素之间差别表示为Δr，惊讶要素表示为Δs。

(二)人工智能下海洋教育服务平台应用场景

人工智能下的海洋教育服务平台应用场景如图2-24、图2-25 所示，以计算机虚拟化技术显示海洋教育实验系统及各要素和虚拟空间形态结构。在海洋历史事件和地理信息图谱的虚拟实验中，用户点击感兴趣的实验内容浏览、漫游和查询相关海洋教学信息，实现智能化、虚拟化和互动性海洋教育。

图2-24　人工智能下的海洋教育服务平台应用场景1

图2-25　人工智能下的海洋教育服务平台应用场景2